Google a présenté Gemini 4 Argon, son nouveau modèle d’IA conçu pour les tâches complexes de longue durée. Sa particularité la plus spectaculaire est une limite de 1 million de tokens en sortie, contre 64 000 auparavant.
Le modèle vise surtout le développement logiciel, la recherche financière et juridique, l’automatisation en entreprise et la cybersécurité. Mais pour l’instant, Gemini 4 Argon n’est pas disponible au grand public.
Jusqu’à 1 million de tokens générés en une seule exécution
Google ne parle pas ici de la seule fenêtre de contexte.
Gemini 4 Argon peut produire jusqu’à 1 million de tokens en sortie, ce qui lui permet théoriquement de poursuivre une même tâche sur beaucoup plus d’étapes sans devoir interrompre son travail.
Google explique que cette capacité doit notamment servir à traiter de gros projets logiciels, des recherches complexes ou des workflows nécessitant plusieurs centaines de milliers de tokens.
Cela ne signifie évidemment pas qu’une conversation classique avec Gemini produira systématiquement des réponses gigantesques. L’intérêt concerne surtout les agents et les travaux automatisés de longue durée.
Google annonce 77,9 % sur DeepSWE
Sur DeepSWE v1.1, consacré aux tâches réelles d’ingénierie logicielle de longue durée, Gemini 4 Argon atteint 77,9 %.
Google publie les résultats suivants :
| Modèle | DeepSWE v1.1 |
|---|---|
| Gemini 4 Argon | 77,9 % |
| Claude Opus 5.5 | 74,2 % |
| GPT-6 Astra | 74,1 % |
Argon n’arrive toutefois pas premier partout.
Sur Terminal-bench 4.0, Claude Opus 5.5 atteint 66,4 %, contre 57,4 % pour Argon. Sur FrontierSWE v2, GPT-6 Astra obtient 65,5 %, contre 55 % pour Gemini 4 Argon.
Les résultats montrent donc un modèle très performant, mais pas un leader absolu sur tous les tests.
Google utilise déjà Argon dans ses propres centres de données
Gemini 4 Argon est déjà utilisé en interne par des milliers d’employés de Google.
Un groupe d’agents Argon a notamment analysé des données provenant des centres de données de l’entreprise afin d’identifier des optimisations mémoire.
Google estime que ces modifications permettront de libérer plus de 300 TiB de mémoire, avec un potentiel total compris entre 500 TiB et 1 PiB.
Le modèle est également utilisé pour convertir de grandes bases de code écrites en C ou C++ vers Rust.
Certains projets dépassent 800 000 lignes de code, notamment autour du noyau Zircon de Fuchsia.
32 000 lignes réécrites et un décodeur 2,7 fois plus rapide
Google donne un exemple concret avec libgav1, son décodeur vidéo open source.
Des agents Argon ont remplacé environ 32 000 lignes de code SIMD dans une implémentation Rust.
Après plusieurs cycles d’optimisation, Google affirme avoir obtenu un décodeur conservant exactement le même rendu vidéo mais fonctionnant 2,7 fois plus vite que l’ancienne version Rust.
Ces modifications restent soumises à des vérifications humaines et automatisées avant leur utilisation en production.
La cybersécurité constitue l’un des axes principaux
Google a aussi entraîné Argon pour rechercher, valider et corriger automatiquement certaines vulnérabilités.
Sur CWE-bench v1, le modèle atteint 68 %, à égalité avec GPT-6 Astra selon les données publiées par Google.
Le groupe affirme également qu’Argon a permis d’identifier une vulnérabilité critique dans un logiciel de santé utilisé par des hôpitaux, exposant potentiellement des informations personnelles sensibles.
Cette puissance explique en partie pourquoi Google ne distribue pas immédiatement le modèle à tout le monde.
Pour l’instant, seuls certains spécialistes peuvent l’utiliser
Gemini 4 Argon est d’abord proposé à des professionnels de la cybersécurité sélectionnés dans le cadre du programme Fairwind.
Google utilise cette phase pour tester le modèle dans des conditions réelles et renforcer ses protections avant une diffusion plus large.
Le constructeur travaille notamment sur :
- les usages malveillants en cybersécurité ;
- les risques chimiques, biologiques, radiologiques et nucléaires ;
- les injections indirectes de prompts ;
- les comportements d’agents qui dépasseraient les instructions de l’utilisateur.
Google indique qu’il étendra ensuite l’accès aux développeurs, aux entreprises et aux consommateurs.
Les clients payants de l’API et les abonnés Google AI Ultra feront partie des premiers publics concernés.
Aucune date précise de disponibilité générale n’est encore annoncée.
Google fixe le prix à 2 dollars en entrée et 10 dollars en sortie
Pendant la période de lancement, l’API sera facturée :
| Utilisation | Tarif pour 1 million de tokens |
|---|---|
| Entrée | 2 $ |
| Sortie | 10 $ |
| Entrée mise en cache | 95 % de réduction |
Après la période promotionnelle, Google prévoit de doubler les tarifs :
- 4 $ par million de tokens en entrée ;
- 20 $ par million en sortie.
Pour les entreprises utilisant des agents sur des tâches longues, cette tarification sera presque aussi importante que les performances du modèle.
Le principal obstacle reste donc son accès
Gemini 4 Argon affiche des progrès importants en développement logiciel, automatisation et cybersécurité.
Mais aujourd’hui, la majorité des utilisateurs de Gemini ne peut simplement pas le sélectionner.
La prochaine étape sera donc moins technique que commerciale : voir quand Google ouvrira réellement Gemini 4 Argon aux abonnés AI Ultra, aux développeurs puis au grand public, et si ses performances observées dans les benchmarks se retrouvent dans des tâches réelles.
Eric Thomas suit l’actualité de Windows, des logiciels, de la cybersécurité grand public et des outils web. Il s’intéresse aux mises à jour système, aux nouveautés informatiques et aux solutions pratiques qui améliorent l’expérience numérique au quotidien.
